提取人脸——OpenCV

提取人脸

- 导入所需的库
- 创建窗口
- 显示原始图片
- 显示检测到的人脸
- 创建全局变量
- 定义字体对象
- 定义一个函数select_image
- 定义了extract_faces函数
- 设置按钮
- 运行GUI主循环
- 运行显示

导入所需的库

tkinter：用于创建图形用户界面。 filedialog：用于打开文件对话框。
cv2：OpenCV库，用于图像处理和计算机视觉。 PIL（Python Imaging Library）和ImageTk：用于处理和显示图像。 messagebox：用于显示消息框。
subprocess：用于执行系统命令。

import tkinter as tk
from tkinter import filedialog
import cv2
from PIL import Image, ImageTk
from tkinter import messagebox
import subprocess

创建窗口

创建一个Tkinter窗口对象win，并设置窗口的标题和大小。

win = tk.Tk()
win.title("人脸提取")
win.geometry("800x650")

显示原始图片

创建一个标签（Label）对象image_label_original，用于显示原始图片。然后使用pack()方法将标签放置在窗口的左侧，并设置一些填充和边距。

image_label_original = tk.Label(win)
image_label_original.pack(side=tk.LEFT, padx=10, pady=80)

显示检测到的人脸

创建另一个标签（Label）对象image_label_detected，用于显示检测到的人脸。同样使用pack()方法将标签放置在窗口的左侧，并设置一些填充和边距。

image_label_detected = tk.Label(win)
image_label_detected.pack(side=tk.LEFT, padx=10, pady=80)

创建全局变量

创建一个全局变量selected_image_path，用于存储选择的图片路径。

selected_image_path = None

定义字体对象

定义一个字体对象my_font，用于按钮和其他文本控件。

my_font = ("Times New Roman", 20)

定义一个函数select_image

定义一个函数select_image，当按钮被点击时，它会打开文件选择对话框，让用户选择图片。然后使用OpenCV加载图片，转换颜色空间，使用PIL调整图片大小，并使用Tkinter显示图片。

def select_image(): - 定义一个函数，当按钮被点击时，会执行这个函数。 global selected_image_path ：声明selected_image_path是一个全局变量，这样在函数内部可以修改它的值。
selected_image_path = filedialog.askopenfilename() ：
打开文件选择对话框，让用户选择一个文件。askopenfilename()：函数返回用户选择的文件路径。 img = cv2.imread(selected_image_path) ：使用OpenCV的imread函数从选择的文件路径中读取图片。
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
：将图片从BGR颜色空间转换到RGB颜色空间。 img_pil = Image.fromarray(img_rgb)
：将NumPy数组转换为PIL图像。 img_pil = img_pil.resize((300, 300), Image.Resampling.LANCZOS) ：使用LANCZOS插值方法将图像大小调整为300x300像素。 img_tk = ImageTk.PhotoImage(image=img_pil) ：将PIL图像转换为Tkinter可以显示的PhotoImage对象。
image_label_original.config(image=img_tk) ：
配置标签image_label_original以显示新加载的图片。 image_label_original.image = img_tk ：设置标签的image属性，以便在Tkinter中显示图像。

def select_image():
    global selected_image_path
    # 打开文件选择对话框
    selected_image_path = filedialog.askopenfilename()

    # 使用OpenCV加载图片
    img = cv2.imread(selected_image_path)
    img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    img_pil = Image.fromarray(img_rgb)
    img_pil = img_pil.resize((300, 300), Image.Resampling.LANCZOS)  # 调整图片大小为300x300
    img_tk = ImageTk.PhotoImage(image=img_pil)

    # 显示原始图片
    image_label_original.config(image=img_tk)
    image_label_original.image = img_tk

定义了extract_faces函数

if selected_image_path: - 检查selected_image_path是否已经被设置，即是否已经选择了图片。
img = cv2.imread(selected_image_path) ：使用OpenCV的imread函数加载选择的图片。
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ：将图片从BGR颜色空间转换到灰度颜色空间。
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml') ：加载预训练的人脸检测Haar级联分类器。
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)
：使用加载的分类器在灰度图像中检测多个人脸，并返回它们的坐标和大小。
print(f"Detected faces: {len(faces)}") ：打印检测到的人脸数量。
if len(faces) > 0: 检查是否检测到人脸。
(x, y, w, h) = faces[0] ：获取第一个检测到的人脸的坐标和大小。
face_img = img[y:y+h, x:x+w]
：从原始图片中裁剪出人脸区域。
face_img = cv2.cvtColor(face_img, cv2.COLOR_BGR2RGB)
：将裁剪的人脸图像从BGR颜色空间转换到RGB颜色空间。
face_img = Image.fromarray(face_img) ：
将裁剪后的图像从NumPy数组转换为PIL图像。 face_img = face_img.resize((300, 300), Image.Resampling.LANCZOS) ：使用LANCZOS插值方法将图像大小调整为300x300像素。
face_img = ImageTk.PhotoImage(face_img) ：将PIL图像转换为Tkinter可以显示的PhotoImage对象。 image_label_detected.config(image=face_img) ：
配置标签image_label_detected以显示新的人脸图像。
image_label_detected.image = face_img ：设置标签的image属性，以便在Tkinter中显示图像。 else: - 如果未检测到人脸，执行以下代码。
messagebox.showinfo("信息", "没有检测到人脸") ：显示一个消息框，告知用户没有检测到人脸。 else:
如果selected_image_path未设置，执行以下代码。 messagebox.showwarning("警告", "请先选择一张图片") ：显示一个警告消息框，告知用户需要先选择一张图片。

def extract_faces():
    if selected_image_path:
        # 使用OpenCV的人脸检测
        img = cv2.imread(selected_image_path)
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
        faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)

        # 打印检测到的人脸数量
        print(f"Detected faces: {len(faces)}")

        # 如果检测到人脸，裁剪并显示
        if len(faces) > 0:
            (x, y, w, h) = faces[0]  # 获取第一个检测到的人脸
            print(f"Face coordinates: x={x}, y={y}, w={w}, h={h}")
            face_img = img[y:y+h, x:x+w]  # 裁剪人脸区域

            # 转换为PIL图像并调整大小
            face_img = cv2.cvtColor(face_img, cv2.COLOR_BGR2RGB)
            face_img = Image.fromarray(face_img)
            face_img = face_img.resize((300, 300), Image.Resampling.LANCZOS)  # 调整人脸图片大小为300x300
            face_img = ImageTk.PhotoImage(face_img)
            image_label_detected.config(image=face_img)
            image_label_detected.image = face_img
        else:
            messagebox.showinfo("信息", "没有检测到人脸")
    else:
        messagebox.showwarning("警告", "请先选择一张图片")

设置按钮

button_select = tk.Button(win, text="选择图片", font=my_font, command=select_image, fg='black'):
创建一个名为button_select的按钮，显示文本为"选择图片"，字体样式为my_font，按钮点击时执行select_image函数，文本颜色为黑色。

button_select.place(x=150, y=12):
将button_select按钮放置在窗口win的特定位置，横坐标为150，纵坐标为12。

button_extract = tk.Button(win, text="提取人脸", font=my_font, command=extract_faces, fg='black'):
创建另一个名为button_extract的按钮，显示文本为"提取人脸"，字体样式为my_font，按钮点击时执行extract_faces函数，文本颜色为黑色。

button_extract.place(x=450, y=12):
将button_extract按钮放置在窗口win的特定位置，横坐标为450，纵坐标为12。

创建选择图片和识别人脸的按钮
button_select = tk.Button(win, text="选择图片", font=my_font, command=select_image, fg='black')
button_select.place(x=150, y=12)

button_extract = tk.Button(win, text="提取人脸", font=my_font, command=extract_faces, fg='black')
button_extract.place(x=450, y=12)

运行GUI主循环

win.mainloop(): 进入窗口win的主事件循环，使窗口显示并等待用户操作，直到用户关闭窗口。

win.mainloop()

运行显示

在这里插入图片描述
全部代码：

import tkinter as tk
from tkinter import filedialog
import cv2
from PIL import Image, ImageTk
from tkinter import messagebox
import subprocess

win = tk.Tk()
win.title("人脸提取")
win.geometry("800x650")

image_label_original = tk.Label(win)
image_label_original.pack(side=tk.LEFT, padx=10, pady=80)

image_label_detected = tk.Label(win)
image_label_detected.pack(side=tk.LEFT, padx=10, pady=80)

selected_image_path = None

my_font = ("Times New Roman", 20)

def select_image():
    global selected_image_path
    # 打开文件选择对话框
    selected_image_path = filedialog.askopenfilename()

    # 使用OpenCV加载图片
    img = cv2.imread(selected_image_path)
    img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    img_pil = Image.fromarray(img_rgb)
    img_pil = img_pil.resize((300, 300), Image.Resampling.LANCZOS)  # 调整图片大小为300x300
    img_tk = ImageTk.PhotoImage(image=img_pil)

    # 显示原始图片
    image_label_original.config(image=img_tk)
    image_label_original.image = img_tk

# 人脸检测函数
def extract_faces():
    if selected_image_path:
        # 使用OpenCV的人脸检测
        img = cv2.imread(selected_image_path)
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
        faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)

        # 打印检测到的人脸数量
        print(f"Detected faces: {len(faces)}")

        # 如果检测到人脸，裁剪并显示
        if len(faces) > 0:
            (x, y, w, h) = faces[0]  # 获取第一个检测到的人脸
            print(f"Face coordinates: x={x}, y={y}, w={w}, h={h}")
            face_img = img[y:y+h, x:x+w]  # 裁剪人脸区域

            # 转换为PIL图像并调整大小
            face_img = cv2.cvtColor(face_img, cv2.COLOR_BGR2RGB)
            face_img = Image.fromarray(face_img)
            face_img = face_img.resize((300, 300), Image.Resampling.LANCZOS)  # 调整人脸图片大小为300x300
            face_img = ImageTk.PhotoImage(face_img)
            image_label_detected.config(image=face_img)
            image_label_detected.image = face_img
        else:
            messagebox.showinfo("信息", "没有检测到人脸")
    else:
        messagebox.showwarning("警告", "请先选择一张图片")

# 创建选择图片和识别人脸的按钮
button_select = tk.Button(win, text="选择图片", font=my_font, command=select_image, fg='black')
button_select.place(x=150, y=12)

button_extract = tk.Button(win, text="提取人脸", font=my_font, command=extract_faces, fg='black')
button_extract.place(x=450, y=12)

win.mainloop()